决策树ID3算法Python按步骤实现
本文中的决策树为手动计算熵、选择最大信息增益分支的实现过程，仅供参考以清晰了解决策树的思想，具体计算过程复杂，不推荐使用。可直接使用sklearn的DecisionTreeClassifier实现，具体请参考文章决策树的上机实现。
案例1：
先导入数据
1）导入数据
2）把文本数据转化成数字型
3）转为list
数据链接：http://pan.baidu.com/s/1c2db8gK 密码：mu7k
程序链接：http://pan.baidu.com/s/1c22Kj3i 密码：6jxk
也可以使用以下数据测试：
决策树按模块的算法
1）定义熵
2）定义数据切分函数
3）寻找最好分裂变量
4）定义多数投票法
5）创建树
6）创建展示树的程序
6-1获取树的节点数
6-1获取树的深度
6-3展示数据
a定义文本框
7创建树
8展示树
案例2：在jupyter实现的另一种思路
1、定义计算熵公式
2、定义计算信息增益公式
3、找到最大的信息增益变量
4、用id3算法计算